論文の概要: Robustness without Wrinkles: Parallel Simulation and Robust MPC for Certified Deformable Manipulation
- arxiv url: http://arxiv.org/abs/2606.14188v1
- Date: Fri, 12 Jun 2026 07:10:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.794035
- Title: Robustness without Wrinkles: Parallel Simulation and Robust MPC for Certified Deformable Manipulation
- Title（参考訳）: しわのないロバストネス:並列シミュレーションと認証変形操作のためのロバストMPC
- Authors: Wei-Chen Li, Jeffrey Fang, Sasanka Polisetti, Yuexi Song, Glen Chou,
- Abstract要約: 我々は,安全変形可能なオブジェクト操作をリアルタイムに制御するCORD-SLSについて,ロープや布に焦点をあてる。
コアとなるのは、効率的な勾配ベースの計画を可能にする接触平滑化を備えたGPU並列微分シミュレータである。
実時間,GPU並列出力フィードバック型ロバストモデル予測制御(MPC)アルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 3.88671418022057
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present CORD-SLS, a real-time control method for safe deformable object manipulation, with a focus on ropes and cloth. At its core is a GPU-parallel differentiable simulator with contact smoothing which enables efficient gradient-based planning through intermittent contact. To robustly satisfy constraints under model and sensing uncertainty, we develop a real-time, GPU-parallel output-feedback robust model predictive control (MPC) algorithm that plans with this simulator. We further show that the simulator accelerates model-based RL for training neural manipulation policies. To improve real-world robustness, we use conformal prediction to calibrate visual-feedback and perception-error bounds for MPC, producing reachable tubes that enable high-probability safe control. We evaluate CORD-SLS on high-dimensional, contact-rich rope and cloth manipulation tasks in simulation and hardware, including obstacle avoidance, routing, folding, and smoothing. Across settings, CORD-SLS achieves millisecond-speed planning, exceeding baselines in safety, speed, and task success.
- Abstract（参考訳）: 我々は,安全変形可能なオブジェクト操作をリアルタイムに制御するCORD-SLSについて,ロープや布に焦点をあてる。
その中核は、間欠的な接触による効率的な勾配ベースの計画を可能にする接触平滑化を備えたGPU並列微分シミュレータである。
モデル下での制約を頑健に満たし,不確実性を検知するために,本シミュレータで計画するリアルタイムGPU並列出力フィードバックロバストモデル予測制御(MPC)アルゴリズムを開発した。
さらに、シミュレーターは、ニューラルネットワークポリシーをトレーニングするためのモデルベースのRLを加速することを示す。
実世界のロバスト性を改善するために、我々はコンフォメーション予測を用いて、MPCの視覚フィードバックと知覚エラー境界を校正し、高い確率で安全な制御を可能にする到達可能な管を生成する。
我々は, 障害物回避, ルーティング, 折り畳み, 平滑化など, シミュレーションおよびハードウェアにおける高次元, コンタクトリッチロープおよび布地操作タスクに対するCORD-SLSの評価を行った。
CORD-SLSは、設定全体にわたってミリ秒速計画を実現し、安全性、速度、タスク成功の基準線を超えた。
関連論文リスト
- Force Polytope-Based Cant-Angle Selection for Tilting Hexarotor UAVs [0.6999740786886536]
本研究は、連星型六面体UAVの相互作用タスクを行うための軽量な制御フレームワークを提案する。
計算は、ゼロモーメント力ポリトープのオフライン計算されたルックアップテーブルを使用して、所望の制御力に対する実現可能なキャント角を識別する。
その結果, 姿勢追跡性能の向上, 運動効率の向上とともに, 時間短縮効果が認められた。
論文 参考訳（メタデータ） (2026-04-07T15:24:09Z) - ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。
LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。
本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
論文 参考訳（メタデータ） (2026-02-02T06:33:22Z) - ParaMaP: Parallel Mapping and Collision-free Motion Planning for Reactive Robot Manipulation [17.260700135265267]
未知の環境でのロボット操作には、リアルタイムおよび衝突のないモーションプランニングが依然として困難である。
本研究では,Euclidean Distance Transform(EDT)に基づく環境表現をサンプリングベースモデル予測制御(SMPC)プランナと密に統合する並列マッピングと動作計画フレームワークを提案する。
提案手法の有効性は, 7-DoFロボットマニピュレータを用いた広範囲なシミュレーションと実世界の実験により検証した。
論文 参考訳（メタデータ） (2025-12-27T12:24:10Z) - Py-DiSMech: A Scalable and Efficient Framework for Discrete Differential Geometry-Based Modeling and Control of Soft Robots [0.0]
Py-DiSMechはPythonベースの、ソフトロボット構造のモデリングと制御のためのオープンソースのシミュレーションフレームワークである。
Py-DiSMechは、メッシュ上での曲率やひずみなどの幾何量を識別することにより、ロッド、シェル、ハイブリッド構造の非線形変形を高忠実さで捉え、計算コストを低減させる。
論文 参考訳（メタデータ） (2025-12-10T18:40:27Z) - ReMoSPLAT: Reactive Mobile Manipulation Control on a Gaussian Splat [3.983697124458495]
反応性制御は、移動マニピュレータのベースとアームの動きを優雅に調整することができる。
本稿では,モバイル操作のための2次プログラム定式化に基づくレスポンシブコントローラReMoSPLATを提案する。
論文 参考訳（メタデータ） (2025-12-10T13:52:08Z) - Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。
本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。
受け入れ次第、モデルとデータの両方をリリースすることを約束します。
論文 参考訳（メタデータ） (2025-05-25T01:27:18Z) - Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。
本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
論文 参考訳（メタデータ） (2024-02-04T15:54:03Z) - Accelerated Policy Learning with Parallel Differentiable Simulation [59.665651562534755]
微分可能シミュレータと新しいポリシー学習アルゴリズム(SHAC)を提案する。
本アルゴリズムは,スムーズな批判機能により局所最小化の問題を軽減する。
現状のRLと微分可能なシミュレーションベースアルゴリズムと比較して,サンプル効率と壁面時間を大幅に改善した。
論文 参考訳（メタデータ） (2022-04-14T17:46:26Z) - DiSECt: A Differentiable Simulator for Parameter Inference and Control
in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。
シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。
このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文 参考訳（メタデータ） (2022-03-19T07:27:19Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。